在微电子包装结构的曲面测量中,通过基于深度学习的数字图像相关性纠正热气流扭曲
Yuhan Gao1, Yuxin Chen1, Ziniu Yu1
1Institute of Microsystems, School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan, 430074, China.
Microsystems & nanoengineering
|August 26, 2024
概括
一个新的变压器注意力模型纠正了微电子包装可靠性的3D数字图像相关性 (3D-DIC) 测量中的热气流扭曲. 这提高了热曲面的精度,这对于高温测试至关重要.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 光学测量技术的使用
背景情况:
- 预计基于斑点的三维数字图像相关性 (3D-DIC) 对微电子包装的可靠性至关重要.
- 测试期间的热气流会导致图像扭曲,从而损害非接触式测量准确度.
- 像CNN和GAN这样的现有方法在处理这些扭曲方面存在局限性.
研究的目的:
- 在3D-DIC测量中开发一种用于热气流扭曲的新型校正模型.
- 为了提高微电子包装中热曲率测量的准确性和可靠性.
- 在这个特定的应用中解决现有的深度学习方法的局限性.
主要方法:
- 一个基于变压器注意力机制的模型被设计来纠正热气流扭曲.
- 该模型处理来自3D-DIC系统的扭曲图像,以生成更正的图像.
- 实验使用定制的步块样本来测量热应力下的地形.
主要成果:
- 拟议的模型有效地纠正热气流扭曲,特别是在140°C和160°C.
- 扭曲度测量精度显著提高,标准偏差从9.829 μm降至5.943 μm,从12.318 μm降至6.418 μm.
- 该方法保持了灰度梯度的精度,这对于准确的DIC计算至关重要.
结论:
- 变压器注意力模型为3D-DIC的热气流扭曲校正提供了一个强大的解决方案.
- 这种方法增强了3D-DIC在微电子包装的热可靠性评估中的实际价值.
- 即使在具有挑战性的热气流条件下,也可以实现精确的热曲率测量.
